在张量流中加载元图和检查点

Question

我已经为此工作了一段时间，但似乎无法破解它。在其他问题中，我看到他们使用这些代码示例来使用元图和检查点文件保存和恢复模型，但是当我做类似的事情时，它说 w1 在我有保存模型和恢复模型时未定义作为单独的python文件。当我只是在保存部分的末尾进行恢复时，它可以正常工作，但是它违背了必须在单独的文件中重新定义所有内容的目的。我查看了检查点文件，奇怪的是它只有两行，而且似乎没有引用任何变量或有任何值。它只有 1kb。我尝试将 'w1' 作为字符串放入 print 函数中，并返回 None 而不是我要查找的值。这对其他人有用吗？如果是这样，您的检查点文件是什么样的？

#Saving
import tensorflow as tf
w1 = tf.Variable(tf.random_normal(shape=[2]), name='w1')
w2 = tf.Variable(tf.random_normal(shape=[5]), name='w2')
saver = tf.train.Saver([w1,w2])
sess = tf.Session()
sess.run(tf.global_variables_initializer())
saver.save(sess, 'my_test_model',global_step=1000)

#restoring
with tf.Session() as sess:    
    saver = tf.train.import_meta_graph('my_test_model-1000.meta',clear_devices=True)
    saver.restore(sess,tf.train.latest_checkpoint('./'))
    print sess.run(w1)

Answer 1

您的图表已正确保存，但恢复它不会恢复包含图表节点的变量。 w1 是一个 python 变量，您从未在“恢复”部分代码中声明它。为了重新控制你的体重，

• 您可以在 TF 图中使用它们的名称：w1=get_variable(name='w1')。问题是您必须密切注意您的名称范围，并确保您没有多个同名变量（在这种情况下，TF 会将 '_1' 添加到它们的名称之一，因此您可能弄错了）。如果你这样做，张量板可以帮助你了解每个变量的确切名称。

• 您可以使用集合：将感兴趣的节点保存在集合中，并在恢复后从它们中取回。在构建图表时，在保存之前，例如：tf.add_to_collection('weights', w1) 和 tf.add_to_collection('weights', w2)，并在您的恢复代码中：[w1, w2] = tf.get_collection('weights1')。这样你就可以正常使用w1和w2了。

我认为后者虽然更冗长，但对于您的架构的未来变化可能更好。我知道所有这些看起来都非常冗长，但请记住，通常您不必获取所有变量的句柄，但只需获取其中少数变量的句柄：输入、输出和训练步骤通常就足够了。